滚动轴承的非平稳运行状态以及设备其它部件的相互冲击带来的干扰噪声,淹没了本就微弱的早期故障特征信息,给滚动轴承早期微弱故障诊断带来了巨大挑战。针对滚动轴承早期微弱故障诊断问题,本文开展了以下研究:针对滚动轴承早期微弱故障信号难以采集的问题,设计并开展了多组相关实验,采集到不同故障类型以及不同转速状态下有效的滚动轴承声学与振动信号数据。对采集到的信号使用模态分解方法进行分析,在分析过程中不仅验证了传统方法的有效性与采集到的信号正确性,同时也暴露出传统方法存在的不足,为整体研究奠定坚实基础,同时也指明了方向。针对稳速状态下滚动轴承早期微弱故障特征十分微弱,导致其易被各种干扰噪声淹没的问题,借鉴多层小波分解思想,提出一种改进的自适应模态分解算法,结合轴承故障模拟实验和全寿命过程加速损坏实验充分验证了提出的方法。提出的方法首先通过经验小波变换(Empirical wavelet transform,EWT)自适应确定模态数目,将原始信号分割,提取出有效包含故障冲击成分的频带,有效消除噪声的干扰。然后将处理后的信号输入到下一层,直至完成预设分解层数,获得最优模态。在输出层借助变分模态分解(Variational mode decomposition,VMD)强大的滤波与信号分解能力,提取出故障特征频率,实现滚动轴承早期微弱故障诊断。针对滚动轴承实际运转过程中大多数情况下转速和载荷在不断发生变化的问题,开展了变转速状态下滚动轴承早期微弱故障诊断研究。分析了目前在变转速领域应用最为广泛的阶比跟踪理论,选取计算阶比跟踪方法作为预处理方法,将非平稳信号平稳化,使得下一步能够有效提取出与转速相关的故障特征信息。针对传统的经验小波变换在滚动轴承早期微弱故障诊断中存在的参数确定和边界检测问题,提出了一种改进的经验小波变换用于滚动轴承故障诊断。该方法包括首先提出一种基于包络解调的经验小波变换算法来抑制轴承高频调制现象的存在,从而提取正确的边界;在此基础上,提出了一种源数目估计方法,自适应地确定分解的模态数目;最后与传统的故障诊断方法进行了比较,验证了该方法在单通道、低信噪比、变转速声学信号条件下开展滚动轴承早期微弱故障诊断的有效性。